De Nouvelles Caractéristiques Pour La Recherche D’images

Résumé: Gray-Level Co-occurrence Matrix (GLCM) est l'une des méthodes les plus utilisées pour la représentation de texture. Elle est générée en calculant la fréquence d'occurrence des paires de niveaux de gris dans une image de texture. Parce qu'elle peut être calculée uniquement à partir des images de niveaux de gris, une quantité importante d'informations qui pourraient être fournies par la couleur est totalement ignorée. Beaucoup des travaux de la littérature tentent d'intégrer des informations sur la couleur dans le GLCM. Cependant, la plupart de ces travaux souffrent de nombreuses faiblesses telles que mal-intégration de la couleur et du mappage dur. Dans cette recherche, nous proposons une généralisation de GLCM du niveau de gris à l’espace de couleur HSV, que nous appelons Modified Integrative Color Intensity Co-occurrence Matrix (MICICM). Pour parvenir à une telle généralisation, une fonction de mappage douce, qui détermine pour chaque valeur de pixel le bin il tombe dans, est nécessaire. Dans les études précédentes, cette fonction utilise un mappage dur où toutes les valeurs de pixels qui tombent dans un bin sont considérés comme les mêmes, quelle que soit leur valeur. Ceci présente un certain nombre d'inconvénients. Pour les corriger, nous introduisons un schéma basé sur le mappage doux de couleur et de niveau de gris basé sur un ensemble de fonctions d'affectation de poids que nous proposons. Dans notre système, chaque pixel est mappé à plus d’un bin de couleur possible (et niveau de gris), afin d'éviter les inconvénients du mappage dur. Les résultats expérimentaux démontrent l'efficacité de notre MICICM par rapport à ceux de l'état de l'art. Les résultats de cette investigation complètent celles des études antérieures et font plusieurs contributions remarquables à la représentation de l'image

Publié dans la revue: